像智能体一样思考：协作更像经营一间画室，不像调度 API#第四章

第四章 协作更像经营一间画室，不像调度 API

写给：管人或管 Agent 团队的人

我管过人（最高峰差不多有100人），后来也开始管 agent。

两件事表面上一个吵、一个静：

人会抱怨、会偷懒、会突然离职，agent 不抗议，它只是沉默地执行你交给它的任务。

但做着做着我发现，它们其实是同一件事。

都需要分工、都需要默契、都需要决定谁做什么、何时一起讨论、用什么格式交接。

区别在于一件让人内耗的事：人会抗议。

员工在群里抱怨"这活不是我的"，你立刻知道流程有问题。

agent 不抗议。

一个糟糕的协作设计，角色重叠、上下文丢三落四、风格不一致，在 agent 身上会安静地运行好几个月，产出一堆看起来"还行"但其实稀烂的产物，等你发现时已经不可逆。

所以这一章写给管人的人，也写给管 agent 的人。

我假设你已经有过被打断、被问"我到底在做什么"、被员工用沉默否决你某个决定的经验。

如果你没有，那读起来会有点陌生。

我会告诉你三件事：

1/ 好的协作靠共享语法，不靠喊话；

2/ agent 进来不让你变轻松，只让你更早知道之前没说清的事；

3/ 管 agent 比管人更检验你的管理能力。

13 会议越多，Agent 越笨

十五世纪的画室不是靠工作日报运转的：

拉斐尔的工作室有师傅、有学徒、有颜料研磨工，各有分工，靠的不是口头指令，而是一套关于比例、光影、透视的共同语法。

我在蚂蚁带大前端团队那几年，最让我累的不是写代码，是开会。

一个 12 人的小分队，3 个 PM、2 个后端、4 个前端、2 个测试、1 个设计。

听起来不算多。

每天上午 10 点站会、下午 4 点进度对、每周三晚 7 点评审会、月底再加一个冲刺复盘。

团队每周被会议吃掉的工时差不多 18 个小时，可交付质量并没有提升多少。

大家说的"对齐"，其实是对着同一份 PPT 念。

后来我把周评审会砍成"15 分钟异步评论 + 1 个小时面对面过争议点"，同步会议从一周 7 小时压到 2 小时，团队第一次出现"今天没会，可真安静"的星期三。

十五世纪的画室不靠工作日报运转。工作室里的师傅、学徒、颜料研磨工，合作靠一套关于比例、光影、透视的共同语法。

这套语法活在师傅的品味里。

多智能体协作也是如此，协议比口号重要，默认规则比临时沟通重要，风格比功能重要。

Piecing Together Teamwork（研究"团队协作如何被 AI 放大和重塑"）展示了一组让我印象很深的数据：

LLM 教育代理介入拼图活动后，学生对话里"尊重合作语言"的使用显著增加，自我报告的懈怠评分也降了。也就是说，当每个人都有代理在旁记录和提醒时，"搭便车"（free riding，享受别人付出却不自己出力）变得更难。

这件事对管人的人尤其重要：

人偷懒不偷懒，不只看他自己，还看他旁边的同事在做什么；

当"看"这件事被代理放大，群体责任意识会自己长出来。

RPGAgent（一个把"故事大纲做成可玩 RPG"的多智能体系统）展示了一个反直觉的工程教训：

把故事大纲做成可玩 RPG（Role-Playing Game，角色扮演游戏）的，是四个专业智能体（叙事设计、场景设计、机制设计、代码生成）通过严格的 JSON（一种轻量级的数据交换格式，AI 之间用来"对暗号"）交换中间结果。

职责分离的智能体加结构化握手语言，比一个超大模型的"超级提示词"更能防止上下文漂移。

代价也很直接，创意被锁死在填空格里：100% 编译通过，但惊喜少了。

品味在 multi-agent（多智能体）系统里是稀缺资源。

MindfulAgents（一个强调"反思"模块的多智能体系统）把稀缺资源摆在了该摆的位置，它的三个模块里，"反思"是最后一块，也最值钱：

专家对齐给安全骨架，个性化填生成性叙事，反思捕捉用户状态。

少了反思，团队只剩流水线；有了反思，才有自我觉察。

品味注记：画室运转靠品味，会议纪要养不出来。多智能体系统的价值，在于让所有人对"什么算完成"有同一套默认答案。

画室的三层语法

14 好协作靠风格，不靠喊话

一个画室最值钱的不是学徒有多聪明，是他们知道什么时候该停笔、什么算粗糙、什么信号一出来就得请师傅过来看一眼。

智能体系统也是这样：分工、权限、检查点和共同品味，比临时聊天更可靠。

Control in Context（研究"智能家居中自动化控制在不同情境下如何被接受"）揭示了一件管人的人立刻能意会的事：

人们对自动化的偏好是高度依赖情境的（时间、地点等）。

早晨欢迎自动化（固定、可预测），晚间偏好手动控制（需要灵活性）；

周末和工作日的自动化需求也不同。

但最有杀伤力的是"绕过策略"，当自动化规则和真实生活产生分歧时，用户不抱怨，而是默默找变通办法。

这是设计失败的信号。

我在带团队时见过太多次这种"绕过"：

你以为他在按规矩走，其实他早就自己造了一条小路。

好的智能体需要的是情境感知，知道什么时候该替用户做，什么时候该让用户来。

Observe-Ask-Intervene（研究"AI 在会议中如何观察-询问-干预"，曾获 CHI 2025 最佳论文奖）把视角从"任务执行"搬到了"会议调解"。提出 OAI（Observe-Ask-Intervene，"观察-询问-干预"）框架：

AI 在后台"观察"发言时间，私下"询问"沉默者的感受，最后根据反馈"干预"。

结论：

用户极度反感 AI 全自动干预（"像警察一样"），偏好私下温和的方式；

但研究同时指出，私下的 AI 警告对改变行为几乎无效。

说白了，人类有强大的自我美化偏差，温和的私下劝告只会让他觉得"我早就知道"。

只有公开的同侪压力才能击溃这种偏差。

附带一个有点讽刺的发现，叫"安慰剂效应"（placebo effect，"吃了假药却真的好了"的现象）：

有 AI 在后台监控的会议，参与者对会议质量的主观评价显著更高，即使客观发言分布没有任何改变。

感知到的关注本身就有价值，不管这关注来自人还是机器。

这条对带团队的人是个礼物：

让团队知道"有人在看"，比真正改变看的内容更重要。

品味注记：好的协作靠默认规则，不是喊话。你不用告诉每个人该怎么走，他们看到一幅画，就知道"到这里该请师傅了"。

默认规则的分层

15 组织会从楼梯变成网络

过去的组织像楼梯：信息一层层上报，命令一层层下发。

智能体进入之后，许多任务会绕开层级，直接在目标、权限、工具和反馈之间流动。

组织确实在变平。

楼梯的每一层都是一个缓冲带、一个消化信息的节点、一个可以把关的人。

节点一去掉，信息流加速，但出事故的概率也跟着加速。

AI Genie Phenomenon（研究"AI 满足感如何变成成瘾现象"）揭示了这种变化的阴暗面：

用户可以以极低的成本获得任何想要的内容，"无限满足感"导致成瘾。

正反馈回路，越满足越依赖，越依赖越空洞。

管人的人读完这条应该心里一凉：

你以为你给员工配的是工具，其实是奶嘴。

品味注记：组织是变平了，可每个节点未必准备好。信息流加速，判断力跟不上，灾难也跟着加速。

组织从楼梯变网络

16 中层管理：一种昂贵的系统冗余

许多中间环节原本负责转述、汇总和跟进。这些劳动被智能体吃掉之后，组织未必会缩小，它的形状会变，楼梯的轮廓会被擦掉，更像一张网。